Durante anos, a corrida da inteligência artificial seguiu uma receita aparentemente simples: modelos maiores, mais dados e sistemas cada vez melhores em conversar com humanos. Mas um dos pesquisadores que ajudaram a construir o ChatGPT decidiu seguir outra direção. Sua nova aposta não quer escrever textos brilhantes nem conversar como uma pessoa. Ela foi criada para algo bem menos chamativo, mas potencialmente muito mais importante para desenvolvedores.
Ele ajudou a criar o ChatGPT, mas encontrou um problema
Diogo Almeida trabalhou na OpenAI e participou do desenvolvimento do ChatGPT. Também esteve envolvido na criação do RLHF, sigla para aprendizado por reforço com feedback humano, técnica que teve papel importante na evolução dos chatbots modernos.
Ainda assim, Almeida não estava completamente satisfeito.
O problema, segundo ele, é que os grandes modelos de linguagem foram otimizados para dominar justamente aquilo que humanos utilizam para se comunicar: a linguagem. Isso é excelente quando o objetivo é escrever, responder perguntas ou conversar.
Para automação de software, porém, talvez não seja a solução mais eficiente.
Computadores não precisam necessariamente de respostas elegantes em linguagem natural. Muitas vezes, um sistema precisa simplesmente tomar uma decisão previsível: classificar uma mensagem, identificar se determinado comando é perigoso ou escolher qual ferramenta deve executar uma tarefa.
Foi a partir dessa ideia que Almeida deixou a OpenAI há cerca de dois anos e fundou a TypeSafe AI.
Agora, a empresa apresentou o Jev, um modelo baseado na arquitetura transformer que tenta fazer algo incomum em plena era dos chatbots: abrir mão do texto.
E essa escolha muda praticamente tudo.
Esta IA não responde com frases e existe uma razão para isso
Jev não é um grande modelo de linguagem tradicional. Em vez de gerar palavras, ele retorna probabilidades associadas a opções previamente definidas.
A TypeSafe chama essas respostas de “decisões calibradas”.
Imagine, por exemplo, um sistema que precisa determinar se determinado comando enviado a um software é seguro. Em vez de produzir um parágrafo explicando sua conclusão, Jev pode retornar diretamente uma probabilidade relacionada às categorias estabelecidas pelo desenvolvedor.
Essa característica traz uma vantagem importante: como as respostas possíveis são definidas previamente, o modelo não pode simplesmente inventar uma saída inesperada da mesma forma que um chatbot pode alucinar informações.
A abordagem também reduz drasticamente o custo computacional.
Segundo a TypeSafe AI, os tokens de saída do Jev são gratuitos, enquanto a cobrança dos tokens de entrada é calculada na escala dos bilhões, e não dos milhões.
Foi justamente essa combinação de velocidade, previsibilidade e preço que começou a chamar atenção.
A procura inicial foi tão grande que, segundo o TechCrunch, a empresa chegou temporariamente ao limite de sua capacidade de atender usuários pela API.
Mas os primeiros testes feitos por desenvolvedores ajudam a explicar o interesse.
Em alguns testes, a diferença chegou a 18 vezes
A Vercel utilizava um modelo da OpenAI em um classificador responsável por analisar comandos e verificar possíveis riscos de segurança.
Quando substituiu esse sistema pelo Jev, segundo um engenheiro da empresa ouvido pelo TechCrunch, os resultados chegaram entre cinco e 18 vezes mais rapidamente, além de apresentarem maior precisão naquele teste específico.
Outro experimento foi realizado pela Bryo AI.
A empresa comparou Jev com Gemini na classificação de e-mails empresariais. Gemini apresentou precisão ligeiramente superior, mas custou entre 10 e 20 vezes mais no teste relatado.
O aspecto que mais chamou atenção, porém, foram os níveis de confiança retornados pelo novo modelo.
Isso é particularmente importante para automações.
Se o sistema apresenta apenas 50% de confiança, um desenvolvedor pode decidir não executar determinada ação automaticamente. Se a confiança chega a 95%, por exemplo, o software pode ter regras diferentes para prosseguir.
A ideia não é necessariamente substituir ChatGPT, Gemini ou Claude.
Na verdade, uma das aplicações mais interessantes pode ser justamente utilizar esse tipo de modelo ao lado dos LLMs.
Uma IA pode começar a vigiar outra IA
À medida que agentes de inteligência artificial ganham autonomia, surge outro problema: verificar constantemente o que eles estão fazendo.
Usar um grande modelo de linguagem para supervisionar outro modelo pode funcionar, mas também pode tornar o sistema caro.
Jev poderia atuar como uma espécie de filtro rápido.
Ele poderia acompanhar as ações executadas por agentes, identificar comportamentos suspeitos, detectar possíveis tentativas de jailbreak ou decidir quando determinada tarefa precisa ser enviada para um modelo mais poderoso.
Esse último cenário é conhecido como roteamento de modelos.
Uma pergunta simples poderia ser enviada para um sistema barato e rápido. Uma tarefa extremamente complexa seguiria para um modelo mais caro. O desafio é decidir automaticamente qual deles utilizar sem gastar mais recursos tomando essa própria decisão.
É justamente aí que uma IA pequena e especializada pode encontrar espaço.
Ainda existem incógnitas importantes. A TypeSafe não revelou todos os detalhes da arquitetura do Jev, e observadores citados pelo TechCrunch suspeitam que o sistema possa utilizar como base algum modelo de pesos abertos.
A empresa prefere classificá-lo como um modelo de “Sistema 1”, voltado para respostas intuitivas e rápidas em tarefas específicas, em vez de raciocínios extensos.
O nome do modelo revela uma ambição muito maior
Jev foi batizado em referência ao economista britânico William Stanley Jevons, associado ao chamado paradoxo de Jevons.
A ideia, simplificada, é que tornar determinado recurso mais eficiente e barato nem sempre reduz seu consumo. Em determinadas situações, acontece justamente o contrário: ele passa a ser usado muito mais.
Almeida acredita que algo parecido pode acontecer com inteligência artificial.
Se pequenas decisões inteligentes se tornarem extremamente baratas, rápidas e confiáveis, talvez a IA deixe de aparecer apenas em grandes chatbots e agentes sofisticados.
Ela poderia simplesmente se espalhar silenciosamente por milhares de funções dentro dos softwares que usamos diariamente.
Isso ajuda a explicar por que Jev está chamando atenção apesar de fazer exatamente o oposto do que costuma gerar manchetes na corrida da IA.
Ele não pretende escrever melhor, conversar por mais tempo ou parecer mais humano.
Sua aposta é outra: talvez uma parte importante do futuro da inteligência artificial esteja justamente em modelos que falam menos e simplesmente tomam decisões.
[Fonte: TechCrunch]
